三、遗传算法概要?
　　在遗传算法中，可以将模型的一个参数表示为一个二进制数码，全部参数用许多串联在一起的二进制数码组成的字符串(类似一个染色体)代表。从一组初始模型，即一些具有不同染色体的个体组成的种群开始。［5］??
　　遗传算法的基本思想正是基于模仿生物界的遗传过程。它把问题的参数用基因代表，把问题的解用染色体代表(在计算机里为字符串)，从而得到一个由具有不同染色体的个体组成的群体。这个群体在问题特定的环境里生存竞争，适者有最好的机会生存和产生后代。后代随机化地继承了父代的最好特征，并也在生存环境的控制支配下继续这一过程。群体的染色体都将逐渐适应环境，不断进化，最后收敛到一族最适应环境的类似个体，即得到问题最优的解。值得注意的一点是，现在的遗传算法是受生物进化论学说的启发提出的，这种学说对我们用计算机解决复杂问题很有用，而它本身是否完全正确并不重要(目前生物界对此学说尚有争议)。?[Page]
　　遗传算法的基础思想是在本世纪50年代初，由于一些生物学家尝试用计算机模拟生物系统演化时而提出的。?
　　遗传算法是模拟生物通过基因的遗传和变异，有效地达到一种稳定的优化状态的繁殖和选择的过程，从而建立的一种简单而又有效的搜索方法。它运用随机而非确定性的规则对一族而非一个点进行全局而非局部地搜索，它仅利用目标函数而不要求其导数或其它附加限制，它虽然在特定问题上效率也许不是最高，但效率远高于传统随机算法，是一种普遍适用于各种问题的有效方法。遗传算法的主要思路有：?
　　1、繁殖(reproduction)：繁殖是根据现有各个体的目标函数值，确定其生存概率，模拟生物界的自然选择，劣者淘汰，适者生存。在遗传算法中，我们人为地保持种群包含的个体总数不变。比较优秀的个体(模型)有较大的生存概率，并可能繁衍，比较差的个体(模型)可能会淘汰。这样产生的下一代的个体，一般都具有较大目标函数值，因而有较大的生存概率。